原文：
www.kdnuggets.com/2016/09/urban-sound-classification-neural-networks-tensorflow.html
由 Aaqib Saeed，特温特大学。
我们每天都会接触到不同的声音，比如汽车喇叭声、警报声和音乐等。如何教计算机自动将这些声音分类到不同类别中呢！
在这篇博客文章中，我们将学习使用机器学习技术将城市声音分类到不同类别中。之前的博客文章涉及了分类问题，其中数据可以轻松地表示为向量形式。例如，在文本数据集中，语料库中的每个单词成为特征，tf-idf 分数成为其值。同样，在异常检测数据集中，我们看到两个特征“吞吐量”和“延迟”被输入到分类器中。但在声音数据中，特征提取并不像想象的那样简单。今天，我们将首先了解可以从声音数据中提取哪些特征，以及如何使用开源库Librosa在 Python 中轻松提取这些特征。
要开始这个教程，请确保你已经安装了以下工具：
-
Tensorflow
-
Librosa
-
Numpy
-
Matplotlib
我们需要一个标记的数据集，以便将其输入到机器学习算法中。幸运的是，一些研究人员发布了城市声音数据集。该数据集包含 8,732 个标记的声音片段（每个 4 秒），分为十个类别：空调、汽车喇叭、儿童玩耍、狗吠、钻孔、引擎怠速、枪声、电锯、警报声和街头音乐。数据集默认被分为 10 折。要获取数据集，请访问以下链接，如果你想在研究中使用该数据集，请不要忘记致谢。在此数据集中，声音文件为*.wav格式，但如果你有其他格式的文件，如.mp3*，建议将其转换为*.wav格式。这是因为.mp3*是一种有损的音乐压缩技术，更多信息请查看这个链接。为了简化问题，我们只使用来自一个折的数据。
让我们读取一些声音文件并进行可视化，以了解每个声音片段之间的差异。Matplotlib 的specgram方法执行所有所需的频谱计算和绘图。同样，Librosa 提供了方便的方法用于绘制波形和对数功率谱图。通过查看图 1、2 和 3 中的图示，我们可以看到不同类别的声音片段之间的明显差异。
图 1. 波形图。
图 2. 功率谱图。
图 3. 声音日志功率谱图。
1. Google 网络安全证书 - 快速开启网络安全职业生涯
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你所在组织的 IT